A Flexible FBG-Based Contact Force Sensor for Robotic Gripping Systems

投稿日: 2025年2月7日 作成者: jarxiv

要約

ソフトロボットグリッパーは、オブジェクトを優しく取り扱うための大きな可能性を示しています。
ただし、正確で安全な把握を実行するための最大限の可能性は、統合されたセンサーの不足により制限されており、滑りや過度の武力行使などの問題につながります。
この課題に対処するために、正確で非常に敏感なファイバーグレーティングベースの力センサーを正確な接触力測定用に設計しました。
柔軟な力センサーは、小さなバンプとウブラ構造、デュアルFBGアレイ、保護チューブを備えた3DプリントTPUケーシングで構成されています。
一連のテストが実施され、力のキャリブレーション、再現性テスト、ヒステリシス研究、力測定比較、温度校正および補償テストなど、提案された力センサーの有効性を評価します。
結果は、4.69 nの力測定範囲、約1169.04 pm/nの高感度、0.12 Nの根平均平方根誤差（RMSE）、最大ヒステリシス4.83％で良好な再現性を実証しました。
市販のロードセルと比較した場合、センサーは2.56％のパーセント誤差と0.14 NのRMSEを示しました。さらに、提案されたセンサーは温度補償効果を検証し、摂氏11℃の温度変化にわたって0.01 Nの力RMSEを検証しました。
。
センサーは、異なるオブジェクトとロボットグリッパー間の相互作用力を監視するために、ソフト成長とツワイングリッパーと統合されていました。
テストで実証されているように、自動化されたピックアンドプレイスタスクの間に閉ループ力制御が適用され、握り安定性が大幅に改善されました。
このフォースセンサーは、製造、農業、ヘルスケア（補綴手のような）、ロジスティクス、パッケージング全体で使用して、状況認識とより高い運用効率を提供することができます。

要約(オリジナル)

Soft robotic grippers demonstrate great potential for gently and safely handling objects; however, their full potential for executing precise and secure grasping has been limited by the lack of integrated sensors, leading to problems such as slippage and excessive force exertion. To address this challenge, we present a small and highly sensitive Fiber Bragg Grating-based force sensor designed for accurate contact force measurement. The flexible force sensor comprises a 3D-printed TPU casing with a small bump and uvula structure, a dual FBG array, and a protective tube. A series of tests have been conducted to evaluate the effectiveness of the proposed force sensor, including force calibration, repeatability test, hysteresis study, force measurement comparison, and temperature calibration and compensation tests. The results demonstrated good repeatability, with a force measurement range of 4.69 N, a high sensitivity of approximately 1169.04 pm/N, a root mean square error (RMSE) of 0.12 N, and a maximum hysteresis of 4.83%. When compared to a commercial load cell, the sensor showed a percentage error of 2.56% and an RMSE of 0.14 N. Besides, the proposed sensor validated its temperature compensation effectiveness, with a force RMSE of 0.01 N over a temperature change of 11 Celsius degree. The sensor was integrated with a soft grow-and-twine gripper to monitor interaction forces between different objects and the robotic gripper. Closed-loop force control was applied during automated pick-and-place tasks and significantly improved gripping stability, as demonstrated in tests. This force sensor can be used across manufacturing, agriculture, healthcare (like prosthetic hands), logistics, and packaging, to provide situation awareness and higher operational efficiency.

arxiv情報

著者 Wenjie Lai,Huu Duoc Nguyen,Jiajun Liu,Xingyu Chen,Soo Jay Phee
発行日 2025-02-06 09:45:21+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO, cs.SY, eess.SY | A Flexible FBG-Based Contact Force Sensor for Robotic Gripping Systems はコメントを受け付けていません

Adaptation of Task Goal States from Prior Knowledge

投稿日: 2025年2月7日 作成者: jarxiv

要約

このペーパーでは、目標状態に自由と変動を伴うタスクを定義するフレームワークを紹介します。
ロボットはこれを使用して、タスクの実行を観察し、観測された目標とは異なる目標をターゲットにすることができます。
タスクの説明とまだ互換性のある目標は、ロボットが実行する方が簡単です。
環境状態と環境の変動のモデルを定義し、単一のタスクデモンストレーションからのバリエーションをインタラクティブに作成する方法と、このバリエーションを使用して環境をゴール状態にするための実行計画を作成する方法についての実験を提示します。

要約(オリジナル)

This paper presents a framework to define a task with freedom and variability in its goal state. A robot could use this to observe the execution of a task and target a different goal from the observed one; a goal that is still compatible with the task description but would be easier for the robot to execute. We define the model of an environment state and an environment variation, and present experiments on how to interactively create the variation from a single task demonstration and how to use this variation to create an execution plan for bringing any environment into the goal state.

arxiv情報

著者 Andrei Costinescu,Darius Burschka
発行日 2025-02-06 09:51:04+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.RO | Adaptation of Task Goal States from Prior Knowledge はコメントを受け付けていません

Uni-NaVid: A Video-based Vision-Language-Action Model for Unifying Embodied Navigation Tasks

投稿日: 2025年2月7日 作成者: jarxiv

要約

実用的なナビゲーションエージェントは、次の指示、オブジェクトの検索、質問への回答、人の追跡など、幅広いインタラクションの要求を処理できる必要があります。
具体化されたナビゲーションの既存のモデルは、特定のタスク構成または離散化されたウェイポイントを備えた事前定義されたマップによって制約されることが多いため、現実の世界で実用的なジェネラリストとして機能することには至りません。
この作業では、多様な具体化されたナビゲーションタスクを統一し、目に見えない実際の環境での長距離混合タスクのシームレスなナビゲーションを有効にするために設計された最初のビデオベースのビジョン言語アクション（VLA）モデルであるUni-Navidを提示します。
Uni-navidは、一般的に使用されるすべての具体化されたナビゲーションタスクの入力データ構成と出力データ構成を調和させ、1つのモデルにすべてのタスクを統合することにより、これを達成します。
Uni-navidをトレーニングするために、4つの重要なナビゲーションサブタスクから合計360万のナビゲーションデータサンプルを収集し、それらの学習における相乗効果を促進します。
包括的なナビゲーションベンチマークに関する広範な実験は、Uni-Navidの統一モデリングの利点を明確に示し、最先端のパフォーマンスを達成することを示しています。
さらに、実際の実験では、モデルの有効性と効率性が確認され、その強力な一般化可能性に光を当てます。

要約(オリジナル)

A practical navigation agent must be capable of handling a wide range of interaction demands, such as following instructions, searching objects, answering questions, tracking people, and more. Existing models for embodied navigation fall short of serving as practical generalists in the real world, as they are often constrained by specific task configurations or pre-defined maps with discretized waypoints. In this work, we present Uni-NaVid, the first video-based vision-language-action (VLA) model designed to unify diverse embodied navigation tasks and enable seamless navigation for mixed long-horizon tasks in unseen real-world environments. Uni-NaVid achieves this by harmonizing the input and output data configurations for all commonly used embodied navigation tasks and thereby integrating all tasks in one model. For training Uni-NaVid, we collect 3.6 million navigation data samples in total from four essential navigation sub-tasks and foster synergy in learning across them. Extensive experiments on comprehensive navigation benchmarks clearly demonstrate the advantages of unification modeling in Uni-NaVid and show it achieves state-of-the-art performance. Additionally, real-world experiments confirm the model’s effectiveness and efficiency, shedding light on its strong generalizability.

arxiv情報

著者 Jiazhao Zhang,Kunyu Wang,Shaoan Wang,Minghan Li,Haoran Liu,Songlin Wei,Zhongyuan Wang,Zhizheng Zhang,He Wang
発行日 2025-02-06 10:14:36+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.RO | Uni-NaVid: A Video-based Vision-Language-Action Model for Unifying Embodied Navigation Tasks はコメントを受け付けていません

Bilevel Multi-Armed Bandit-Based Hierarchical Reinforcement Learning for Interaction-Aware Self-Driving at Unsignalized Intersections

投稿日: 2025年2月7日 作成者: jarxiv

要約

この作業では、署名されていない交差点での相互作用を認識した意思決定と計画のためのバイレベルマルチアライドベースの階層補強学習フレームワークであるBIM-ACPPOを紹介します。
基本的に、周囲の車両（SVS）に関連する不確実性を考慮に入れて、ドライバーの意図、インタラクティブな行動、さまざまな数のSVに起因するものを含む。
中間決定変数が導入され、高レベルのRLポリシーが、低レベルのモデル予測制御（MPC）をガイドし、提案されたフレームワークの一般化能力をさらに強化するための相互作用認識リファレンスを提供できるようにします。
無信号化された交差点での自動運転の構造化された性質を活用することにより、RLポリシーのトレーニング問題は、提案されたExp3.sベースのBimabアルゴリズムによって対処されるバイレベルカリキュラム学習タスクとしてモデル化されます。
トレーニングカリキュラムが動的に調整されているため、RLトレーニングプロセスのサンプル効率が促進されることは注目に値します。
比較実験は、忠実度の高いカーラシミュレーターで行われ、結果は、すべてのベースライン方法と比較して、私たちのアプローチが優れたパフォーマンスを達成することを示しています。
さらに、2つの新しい都市運転シナリオでの実験結果は、提案された方法の称賛に値する一般化パフォーマンスを明確に示しています。

要約(オリジナル)

In this work, we present BiM-ACPPO, a bilevel multi-armed bandit-based hierarchical reinforcement learning framework for interaction-aware decision-making and planning at unsignalized intersections. Essentially, it proactively takes the uncertainties associated with surrounding vehicles (SVs) into consideration, which encompass those stemming from the driver’s intention, interactive behaviors, and the varying number of SVs. Intermediate decision variables are introduced to enable the high-level RL policy to provide an interaction-aware reference, for guiding low-level model predictive control (MPC) and further enhancing the generalization ability of the proposed framework. By leveraging the structured nature of self-driving at unsignalized intersections, the training problem of the RL policy is modeled as a bilevel curriculum learning task, which is addressed by the proposed Exp3.S-based BiMAB algorithm. It is noteworthy that the training curricula are dynamically adjusted, thereby facilitating the sample efficiency of the RL training process. Comparative experiments are conducted in the high-fidelity CARLA simulator, and the results indicate that our approach achieves superior performance compared to all baseline methods. Furthermore, experimental results in two new urban driving scenarios clearly demonstrate the commendable generalization performance of the proposed method.

arxiv情報

著者 Zengqi Peng,Yubin Wang,Lei Zheng,Jun Ma
発行日 2025-02-06 10:50:59+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Bilevel Multi-Armed Bandit-Based Hierarchical Reinforcement Learning for Interaction-Aware Self-Driving at Unsignalized Intersections はコメントを受け付けていません

RLPP: A Residual Method for Zero-Shot Real-World Autonomous Racing on Scaled Platforms

投稿日: 2025年2月7日 作成者: jarxiv

要約

自律的なレースは、動的な条件下で迅速な決定を下すことができる堅牢なコントローラーを必要とする複雑な環境を提示します。
タイヤモデルに基づいた従来のコントローラーは信頼性がありますが、多くの場合、広範なチューニングまたはシステムの識別を必要とします。
強化学習（RL）方法は、相互作用から直接学習する能力のために大きな可能性を提供しますが、通常、シミュレーションで訓練されたポリシーが現実の世界で効果的に機能することができないSIMからリアルのギャップに苦しんでいます。
この論文では、RLベースの残差を備えた純粋な追跡（PP）コントローラーを強化する残差RLフレームワークであるRLPPを提案します。
このハイブリッドアプローチは、RLを使用して、実際のシナリオでコントローラーのパフォーマンスを微調整しながら、PPの信頼性と解釈可能性を活用します。
F1tenthプラットフォームでの広範なテストは、RLPPがベースラインコントローラーのラップタイムを最大6.37％改善し、最先端のメソッドへのギャップを52％以上閉じ、ゼロショットのリアルで信頼できるパフォーマンスを提供することを示しています。
世界の展開、SIMからリアルへの転送に関連する重要な課題を克服し、ベースラインRLコントローラーと比較した場合、シミュレーションから現実へのパフォーマンスギャップを8倍以上削減します。
RLPPフレームワークは、オープンソースツールとして利用可能になり、自律レース研究のさらなる調査と進歩を促進します。
コードはwww.github.com/forzaeth/rlppで入手できます。

要約(オリジナル)

Autonomous racing presents a complex environment requiring robust controllers capable of making rapid decisions under dynamic conditions. While traditional controllers based on tire models are reliable, they often demand extensive tuning or system identification. Reinforcement Learning (RL) methods offer significant potential due to their ability to learn directly from interaction, yet they typically suffer from the sim-to-real gap, where policies trained in simulation fail to perform effectively in the real world. In this paper, we propose RLPP, a residual RL framework that enhances a Pure Pursuit (PP) controller with an RL-based residual. This hybrid approach leverages the reliability and interpretability of PP while using RL to fine-tune the controller’s performance in real-world scenarios. Extensive testing on the F1TENTH platform demonstrates that RLPP improves lap times of the baseline controllers by up to 6.37 %, closing the gap to the State-of-the-Art methods by more than 52 % and providing reliable performance in zero-shot real-world deployment, overcoming key challenges associated with the sim-to-real transfer and reducing the performance gap from simulation to reality by more than 8-fold when compared to the baseline RL controller. The RLPP framework is made available as an open-source tool, encouraging further exploration and advancement in autonomous racing research. The code is available at: www.github.com/forzaeth/rlpp.

arxiv情報

著者 Edoardo Ghignone,Nicolas Baumann,Cheng Hu,Jonathan Wang,Lei Xie,Andrea Carron,Michele Magno
発行日 2025-02-06 10:59:25+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: 68T40, cs.LG, cs.RO | RLPP: A Residual Method for Zero-Shot Real-World Autonomous Racing on Scaled Platforms はコメントを受け付けていません

Malleable Robots

投稿日: 2025年2月7日 作成者: jarxiv

要約

この章は、モビリティアームを低くする高い器用さを達成するためのさまざまな剛性の調整可能なアーキテクチャに基づいた、柔軟性ロボットと呼ばれる新しいタイプの共同ロボットマニピュレーターの製造、制御、および人間のロボット相互作用の基本に関するものです。
共同ロボット、またはコボットは、タスク全体で制約されたスペースと適応性に位置付けることを可能にするために、シリアルアームに6つ以上の自由度（DOF）を一般的に統合します。
ロボットアームの器用さを高めることは、システムの自由度の数を増やすことで、実際に伝統的に達成されてきました。
ただし、ロボットタスクが確立されると（例：ピックアンドプレイス操作）、エンドエフェクターの動きは通常、6-DOF未満（つまり、モビリティが低い）を使用して達成できます。
順応性ロボットの目的は、現在のコボットがアクチュエーターの数を減らして柔軟でアクセス可能な製造自動化を達成することから分離する技術的ギャップを埋めることです。

要約(オリジナル)

This chapter is about the fundamentals of fabrication, control, and human-robot interaction of a new type of collaborative robotic manipulators, called malleable robots, which are based on adjustable architectures of varying stiffness for achieving high dexterity with lower mobility arms. Collaborative robots, or cobots, commonly integrate six or more degrees of freedom (DOF) in a serial arm in order to allow positioning in constrained spaces and adaptability across tasks. Increasing the dexterity of robotic arms has been indeed traditionally accomplished by increasing the number of degrees of freedom of the system; however, once a robotic task has been established (e.g., a pick-and-place operation), the motion of the end-effector can be normally achieved using less than 6-DOF (i.e., lower mobility). The aim of malleable robots is to close the technological gap that separates current cobots from achieving flexible, accessible manufacturing automation with a reduced number of actuators.

arxiv情報

著者 Angus B. Clark,Xinran Wang,Alex Ranne,Nicolas Rojas
発行日 2025-02-06 12:14:17+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Malleable Robots はコメントを受け付けていません

Towards Synergistic, Generalized, and Efficient Dual-System for Robotic Manipulation

投稿日: 2025年2月7日 作成者: jarxiv

要約

多様なロボットシステムが多様で動的な環境で動作するための需要の増加は、一般主義政策の重要性を強調しており、大規模な交差体拡大データコーパスを活用して、広範な適応性と高レベルの推論を促進します。
ただし、ジェネラリストは非効率的な推論とコストの高価なトレーニングに苦労します。
代わりに、スペシャリストポリシーは特定のドメインデータに対してキュレーションされており、効率的にタスクレベルの精度で優れています。
しかし、幅広いアプリケーションの一般化能力がありません。
これらの観察に触発されて、私たちは、ジェネラリストと専門政策の両方のメリットを補完する相乗的な二重システムであるRobodualを紹介します。
拡散トランスベースの専門家は、マルチステップアクションロールアウトのために考案され、高レベルのタスクの理解と視覚言語アクション（VLA）ベースのジェネラリストの離散化アクション出力を絶妙に条件付けられます。
OpenVLAと比較して、Robodualは、わずか20mのトレーニング可能なパラメーターを備えた専門政策を導入することにより、現実世界の設定で26.7％の改善とCalvinの12％の増加を達成します。
デモデータの5％のみで強力なパフォーマンスを維持し、実際の展開で3.8倍の制御周波数を有効にします。
コードは公開されます。
プロジェクトページは、https：//opendrivelab.com/robodual/でホストされています

要約(オリジナル)

The increasing demand for versatile robotic systems to operate in diverse and dynamic environments has emphasized the importance of a generalist policy, which leverages a large cross-embodiment data corpus to facilitate broad adaptability and high-level reasoning. However, the generalist would struggle with inefficient inference and cost-expensive training. The specialist policy, instead, is curated for specific domain data and excels at task-level precision with efficiency. Yet, it lacks the generalization capacity for a wide range of applications. Inspired by these observations, we introduce RoboDual, a synergistic dual-system that supplements the merits of both generalist and specialist policy. A diffusion transformer-based specialist is devised for multi-step action rollouts, exquisitely conditioned on the high-level task understanding and discretized action output of a vision-language-action (VLA) based generalist. Compared to OpenVLA, RoboDual achieves 26.7% improvement in real-world setting and 12% gain on CALVIN by introducing a specialist policy with merely 20M trainable parameters. It maintains strong performance with 5% of demonstration data only, and enables a 3.8 times higher control frequency in real-world deployment. Code would be made publicly available. Our project page is hosted at: https://opendrivelab.com/RoboDual/

arxiv情報

著者 Qingwen Bu,Hongyang Li,Li Chen,Jisong Cai,Jia Zeng,Heming Cui,Maoqing Yao,Yu Qiao
発行日 2025-02-06 12:37:15+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.RO | Towards Synergistic, Generalized, and Efficient Dual-System for Robotic Manipulation はコメントを受け付けていません

M$^3$PC: Test-time Model Predictive Control for Pretrained Masked Trajectory Model

投稿日: 2025年2月7日 作成者: jarxiv

要約

オフライン強化学習（RL）における最近の研究は、マスクされた自動エンコード目標の下で訓練された統合変圧器が、与えられた軌跡データセット内で異なるモダリティ（状態、行動、報酬など）間の関係を効果的にキャプチャできることを示しています。
ただし、この情報は、マスクされていないコンポーネントからマスクされたコンポーネントを再構築する代わりに、エージェントが最適なポリシーを生成する必要がある推論フェーズ中に完全に活用されていません。
前処理された軌道モデルがポリシーモデルと適切なマスクパターンを持つ世界モデルの両方として機能することを考えると、テスト時にモデル予測制御（MPC）を使用して、モデル独自の予測機能を活用してアクション選択を導くことを提案します。
D4RLとロボミミックの経験的結果は、推論期MPCが追加のパラメータートレーニングなしで、事前に防止された軌跡モデルの意思決定パフォーマンスを大幅に改善することを示しています。
さらに、当社のフレームワークは、オンライン（O2O）RLとゴールにオフラインに合わせてRLに到達するため、追加のオンラインインタラクション予算が提供されると、より大きなパフォーマンスが向上し、異なるタスクターゲットが指定されている場合はより良い一般化機能が得られます。
コードは利用可能です：https：//github.com/wkh923/m3pc。

要約(オリジナル)

Recent work in Offline Reinforcement Learning (RL) has shown that a unified Transformer trained under a masked auto-encoding objective can effectively capture the relationships between different modalities (e.g., states, actions, rewards) within given trajectory datasets. However, this information has not been fully exploited during the inference phase, where the agent needs to generate an optimal policy instead of just reconstructing masked components from unmasked ones. Given that a pretrained trajectory model can act as both a Policy Model and a World Model with appropriate mask patterns, we propose using Model Predictive Control (MPC) at test time to leverage the model’s own predictive capability to guide its action selection. Empirical results on D4RL and RoboMimic show that our inference-phase MPC significantly improves the decision-making performance of a pretrained trajectory model without any additional parameter training. Furthermore, our framework can be adapted to Offline to Online (O2O) RL and Goal Reaching RL, resulting in more substantial performance gains when an additional online interaction budget is provided, and better generalization capabilities when different task targets are specified. Code is available: https://github.com/wkh923/m3pc.

arxiv情報

著者 Kehan Wen,Yutong Hu,Yao Mu,Lei Ke
発行日 2025-02-06 13:39:31+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, cs.RO, cs.SY, eess.SY | M$^3$PC: Test-time Model Predictive Control for Pretrained Masked Trajectory Model はコメントを受け付けていません

Soft and Highly-Integrated Optical Fiber Bending Sensors for Proprioception in Multi-Material 3D Printed Fingers

投稿日: 2025年2月7日 作成者: jarxiv

要約

正確な形状センシングは、分散固有受容によってのみ達成可能であり、ソフトロボットの閉ループ制御の重要な要件です。
柔軟な材料から製造された低コストの電力効率的な光電子センサーは、パフォーマンスを失うことなくソフトロボットの大きな変形に対処できるため、自然な選択を表しています。
ただし、既存の統合アプローチは面倒で、手動の手順と複雑なアセンブリが必要です。
プラスチック光ファイバーに3D印刷された屈曲の読み出し電子機器が埋め込まれている半自動印刷プロセスを提案します。
繊維は所定の位置にロックされ、読み出しの電子機器はそれらに光学的に結合されたままで、曲げが大きな曲げ変形を受け、マニュアル埋め込み手順に合計10分しか必要とする再現可能なモノリッシュで製造された曲げトランスデューサーを作成します。
マルチマテリアル3D印刷指を製造し、各固有受容ジョイントの性能を広範囲に評価することにより、プロセスを実証します。
センサーは、平均して70％の直線性と4.81 {\ deg} rmsエラーを実現します。
さらに、分散アーキテクチャにより、外部静的力の存在下で12 mmの平均指先位置推定精度を維持できます。
Roboticsアプリケーションで分散センサーアーキテクチャの可能性を実証するために、環境内のオブジェクトとの接触を検出するための作動フィードバックとは無関係に、データ駆動型モデルを構築します。

要約(オリジナル)

Accurate shape sensing, only achievable through distributed proprioception, is a key requirement for closed-loop control of soft robots. Low-cost power efficient optoelectronic sensors manufactured from flexible materials represent a natural choice as they can cope with the large deformations of soft robots without loss of performance. However, existing integration approaches are cumbersome and require manual steps and complex assembly. We propose a semi-automated printing process where plastic optical fibers are embedded with readout electronics in 3D printed flexures. The fibers become locked in place and the readout electronics remain optically coupled to them while the flexures undergo large bending deformations, creating a repeatable, monolithically manufactured bending transducer with only 10 minutes required in total for the manual embedding steps. We demonstrate the process by manufacturing multi-material 3D printed fingers and extensively evaluating the performance of each proprioceptive joint. The sensors achieve 70% linearity and 4.81{\deg} RMS error on average. Furthermore, the distributed architecture allows for maintaining an average fingertip position estimation accuracy of 12 mm in the presence of external static forces. To demonstrate the potential of the distributed sensor architecture in robotics applications, we build a data-driven model independent of actuation feedback to detect contact with objects in the environment.

arxiv情報

著者 Ellis Capp,Marco Pontin,Peter Walters,Perla Maiolino
発行日 2025-02-06 14:10:41+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Soft and Highly-Integrated Optical Fiber Bending Sensors for Proprioception in Multi-Material 3D Printed Fingers はコメントを受け付けていません

Safe Quadrotor Navigation using Composite Control Barrier Functions

投稿日: 2025年2月7日 作成者: jarxiv

要約

このペーパーでは、マルチローター航空ロボットの衝突回避を確実にするための安全フィルターを紹介します。
提案された形式は、ロボットのダイナミクスの3次非線形表現に作用するすべての位置制約から単一の複合制御バリア関数を活用します。
複合制約の下での安全フィルターの再帰的実現可能性を分析し、実行不可能なセットが無視できることを示します。
提案された方法により、数千の制約に対する計算スケーラビリティが可能になり、したがって、多数の障害物がある複雑なシーンが可能になります。
私たちは、ナイーブと敵対的な名目政策の両方に対して屋内と屋外の乱雑な環境の両方で動作する、オンボードLidarで四輪車の安全性を保証する能力を実験的に実証します。

要約(オリジナル)

This paper introduces a safety filter to ensure collision avoidance for multirotor aerial robots. The proposed formalism leverages a single Composite Control Barrier Function from all position constraints acting on a third-order nonlinear representation of the robot’s dynamics. We analyze the recursive feasibility of the safety filter under the composite constraint and demonstrate that the infeasible set is negligible. The proposed method allows computational scalability against thousands of constraints and, thus, complex scenes with numerous obstacles. We experimentally demonstrate its ability to guarantee the safety of a quadrotor with an onboard LiDAR, operating in both indoor and outdoor cluttered environments against both naive and adversarial nominal policies.

arxiv情報

著者 Marvin Harms,Martin Jacquet,Kostas Alexis
発行日 2025-02-06 14:24:06+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Safe Quadrotor Navigation using Composite Control Barrier Functions はコメントを受け付けていません